一种识别人脸图像的模版库的更新装置及方法
【专利摘要】本发明公开了一种识别人脸图像的模版库的更新装置及方法，该更新方法包括：根据当前采集的人脸图像，计算模版库中该用户的各模版相对于当前采集的该用户的人脸图像的匹配度值；根据计算出的该用户的各模版的匹配度值和预设的删除策略，将该用户的各模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版存入模版库；这样，可以使更新后的模版库中包括最近一次采集的用户的人脸图像，从而可以使模版库能够随着用户的外貌的细微变化得到不断地更新，这样，利用采用上述更新方法进行更新的模版库进行人脸识别，与现有的仅通过初始保存的一张固定的模版进行识别相比，可以提高人脸识别的准确度和效率。
【专利说明】
一种识别人脸图像的模版库的更新装置及方法
技术领域
[0001] 本发明涉及图像处理技术领域，尤其涉及一种识别人脸图像的模版库的更新装置 及方法。
【背景技术】
[0002] 目前，人脸识别技术已经被广泛应用到视频监控、考勤记录、门禁等场合。
[0003] 在现有的人脸识别装置中，一般设置有一个模版库，该模版库中针对每个用户保 存有一个固定的模版，人脸识别装置通过采集用户的人脸图像并与模版库中保存的该用户 的模版进行比对来识别用户。
[0004] 在用户长期使用人脸识别装置的过程中，用户的外貌可能会发生变化，比如肥瘦 程度的改变，发型的改变，化妆、素颜的改变等。现有的人脸识别装置的模版库针对每个用 户仅保存一个固定的模版，已经不能满足对于人脸识别的高准确度和高效率的要求。
[0005] 因此，如何更新人脸识别装置的模版库，是本领域技术人员亟需解决的技术问题。
【发明内容】
[0006] 有鉴于此，本发明实施例提供了一种识别人脸图像的模版库的更新装置及方法， 用以更新人脸识别装置的模版库。
[0007] 因此，本发明实施例提供了一种识别人脸图像的模版库的更新方法，包括：
[0008] 根据当前采集的人脸图像，计算所述模版库中该用户的各模版相对于所述当前采 集的人脸图像的匹配度值；
[0009] 根据计算出的该用户的各模版的所述匹配度值和预设的删除策略，将该用户的各 模版中满足所述删除策略的模版删除，将所述当前采集的人脸图像作为该用户的模版存入 所述t吴版库。
[0010] 在一种可能的实现方式中，在本发明实施例提供的上述更新方法中，所述根据计 算出的该用户的各模版的所述匹配度值和预设的删除策略，将该用户的各模版中满足所述 删除策略的模版删除，具体包括：
[0011] 在该用户的所有模版中选择所述匹配度值最低的模版从所述模版库中删除。
[0012] 在一种可能的实现方式中，在本发明实施例提供的上述更新方法中，所述根据计 算出的该用户的各模版的所述匹配度值和预设的删除策略，将该用户的各模版中满足所述 删除策略的模版删除，具体包括：
[0013] 将该用户的所有模版按照所述匹配度值从大到小的顺序排列，保留前N个模版，删 除其他模版;其中，N为正整数。
[0014] 在一种可能的实现方式中，在本发明实施例提供的上述更新方法中，所述根据计 算出的该用户的各模版的所述匹配度值和预设的删除策略，将该用户的各模版中满足所述 删除策略的模版删除，具体包括：
[0015] 将计算出的该用户的所有模版的所述匹配度值与阈值进行比较；
[0016] 确定所述匹配度值小于所述阈值的模版的数量是否大于预设值；
[0017] 若是，分别计算所述匹配度值小于所述阈值的模版的多个特征分量以及所述当前 采集的人脸图像的对应的特征分量;分别计算所述匹配度值小于所述阈值的模版的各所述 特征分量与所述当前采集的人脸图像的对应的特征分量的差值;针对每个所述特征分量， 将所述匹配度值小于所述阈值的模版按照该特征分量的差值从大到小的顺序排列，在前M 个模版中选择除了该特征分量外的其他特征分量的差值的平方和最小的模版为特征模版； 其中，M为大于1的正整数;在所述匹配度值小于所述阈值的模版中除了所述特征模版以外 的其他模版中选择所述匹配度值最低的模版从所述模版库中删除。
[0018] 本发明实施例还提供了一种识别人脸图像的模版库的更新方法，包括：
[0019] 根据当前采集的人脸图像，计算所述模版库中该用户的各模版相对于所述当前采 集的人脸图像的匹配度值；
[0020] 对于计算次数达到第一预设值k的模版，根据最近k次计算出的该模版的所述匹配 度值，计算该模版的加权匹配度值;其中，k为大于1的正整数；
[0021] 根据计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所 述匹配度值、计算次数达到所述第一预设值的模版的所述加权匹配度值以及预设的删除策 略，将该用户的各模版中满足所述删除策略的模版删除，将所述当前采集的人脸图像作为 该用户的模版存入所述模版库。
[0022] 在一种可能的实现方式中，在本发明实施例提供的上述更新方法中，所述根据最 近k次计算出的该模版的所述匹配度值，计算该模版的加权匹配度值，具体包括：
[0023] 根据下面的公式计算该模版的加权匹配度值： k
[0024] ^ ； a=l
[0025] 其中，V是该模版的加权匹配度值，Pa是第a次计算出的该模版的匹配度值，&是?3 对应的权重。
[0026] 在一种可能的实现方式中，在本发明实施例提供的上述更新方法中，所述根据计 算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹配度值、计算 次数达到所述第一预设值的模版的所述加权匹配度值以及预设的删除策略，将该用户的各 模版中满足所述删除策略的模版删除，具体包括：
[0027] 将计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述 匹配度值和计算次数达到所述第一预设值的模版的所述加权匹配度值进行比较，将数值最 低的模版从所述模版库中删除。
[0028] 在一种可能的实现方式中，在本发明实施例提供的上述更新方法中，所述根据计 算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹配度值、计算 次数达到所述第一预设值的模版的所述加权匹配度值以及预设的删除策略，将该用户的各 模版中满足所述删除策略的模版删除，具体包括：
[0029]将计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述 匹配度值和计算次数达到所述第一预设值的模版的所述加权匹配度值分别与阈值进行比 较；
[0030]确定所述匹配度值小于所述阈值的模版的数量和所述加权匹配度值小于所述阈 值的模版的数量之和是否大于第二预设值；
[0031] 若是，分别计算所述匹配度值小于所述阈值的模版的多个特征分量、所述加权匹 配度值小于所述阈值的模版的对应的特征分量以及所述当前采集的人脸图像的对应的特 征分量;分别计算所述匹配度值小于所述阈值的模版的各所述特征分量与所述当前采集的 人脸图像的对应的特征分量的差值以及所述加权匹配度值小于所述阈值的模版的各所述 特征分量与所述当前采集的人脸图像的对应的特征分量的差值;针对每个所述特征分量， 将所述匹配度值小于所述阈值的模版和所述加权匹配度值小于所述阈值的模版按照该特 征分量的差值从大到小的顺序排列，在前Q个模版中选择除了该特征分量外的其他特征分 量的差值的平方和最小的模版为特征模版;其中，Q为大于1的正整数;在所述匹配度值小于 所述阈值的模版和所述加权匹配度值小于所述阈值的模版中除了所述特征模版以外的其 他模版中选择数值最低的模版从所述模版库中删除。
[0032] 本发明实施例还提供了一种识别人脸图像的模版库的更新装置，包括：
[0033]计算模块，用于根据当前采集的人脸图像，计算模版库中该用户的各模版相对于 所述当前采集的人脸图像的匹配度值；
[0034] 更新模块，用于根据计算出的该用户的各模版的所述匹配度值和预设的删除策 略，将该用户的各模版中满足所述删除策略的模版删除，将所述当前采集的人脸图像作为 该用户的模版存入所述模版库。
[0035] 在一种可能的实现方式中，在本发明实施例提供的上述更新装置中，所述更新模 块，具体用于在该用户的所有模版中选择所述匹配度值最低的模版从所述模版库中删除。
[0036] 在一种可能的实现方式中，在本发明实施例提供的上述更新装置中，所述更新模 块，具体用于将该用户的所有模版按照所述匹配度值从大到小的顺序排列，保留前N个模 版，删除其他模版;其中，N为正整数。
[0037] 在一种可能的实现方式中，在本发明实施例提供的上述更新装置中，所述更新模 块，具体用于将计算出的该用户的所有模版的所述匹配度值与阈值进行比较;确定所述匹 配度值小于所述阈值的模版的数量是否大于预设值;若是，分别计算所述匹配度值小于所 述阈值的模版的多个特征分量以及所述当前采集的人脸图像的对应的特征分量;分别计算 所述匹配度值小于所述阈值的模版的各所述特征分量与所述当前采集的人脸图像的对应 的特征分量的差值;针对每个所述特征分量，将所述匹配度值小于所述阈值的模版按照该 特征分量的差值从大到小的顺序排列，在前M个模版中选择除了该特征分量外的其他特征 分量的差值的平方和最小的模版为特征模版;其中，M为大于1的正整数;在所述匹配度值小 于所述阈值的模版中除了所述特征模版以外的其他模版中选择所述匹配度值最低的模版 从所述模版库中删除。
[0038] 本发明实施例还提供了一种识别人脸图像的模版库的更新装置，包括：
[0039]第一计算模块，用于根据当前采集的人脸图像，计算所述模版库中该用户的各模 版相对于所述当前采集的人脸图像的匹配度值；
[0040]第二计算模块，用于对于计算次数达到第一预设值k的模版，根据最近k次计算出 的该模版的所述匹配度值，计算该模版的加权匹配度值;其中，k为大于1的正整数；
[0041 ]更新模块，用于根据计算次数小于所述第一预设值的模版相对于所述当前采集的 人脸图像的所述匹配度值、计算次数达到所述第一预设值的模版的所述加权匹配度值以及 预设的删除策略，将该用户的各模版中满足所述删除策略的模版删除，将所述当前采集的 人脸图像作为该用户的模版存入所述模版库。
[0042] 在一种可能的实现方式中，在本发明实施例提供的上述更新装置中，所述第二计 算模块，具体用于根据下面的公式计算该模版的加权匹配度值： k
[0043] a~\
[0044]其中，V是该模版的加权匹配度值，Pa是第a次计算出的该模版的匹配度值，&是? 3 对应的权重。
[0045] 在一种可能的实现方式中，在本发明实施例提供的上述更新装置中，所述更新模 块，具体用于将计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所 述匹配度值和计算次数达到所述第一预设值的模版的所述加权匹配度值进行比较，将数值 最低的模版从所述模版库中删除。
[0046] 在一种可能的实现方式中，在本发明实施例提供的上述更新装置中，所述更新模 块，具体用于将计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所 述匹配度值和计算次数达到所述第一预设值的模版的所述加权匹配度值分别与阈值进行 比较;确定所述匹配度值小于所述阈值的模版的数量和所述加权匹配度值小于所述阈值的 模版的数量之和是否大于第二预设值;若是，分别计算所述匹配度值小于所述阈值的模版 的多个特征分量、所述加权匹配度值小于所述阈值的模版的对应的特征分量以及所述当前 采集的人脸图像的对应的特征分量;分别计算所述匹配度值小于所述阈值的模版的各所述 特征分量与所述当前采集的人脸图像的对应的特征分量的差值以及所述加权匹配度值小 于所述阈值的模版的各所述特征分量与所述当前采集的人脸图像的对应的特征分量的差 值;针对每个所述特征分量，将所述匹配度值小于所述阈值的模版和所述加权匹配度值小 于所述阈值的模版按照该特征分量的差值从大到小的顺序排列，在前Q个模版中选择除了 该特征分量外的其他特征分量的差值的平方和最小的模版为特征模版;其中，Q为大于1的 正整数;在所述匹配度值小于所述阈值的模版和所述加权匹配度值小于所述阈值的模版中 除了所述特征模版以外的其他模版中选择数值最低的模版从所述模版库中删除。
[0047] 本发明实施例提供的上述识别人脸图像的模版库的更新装置及方法，该更新方法 包括:根据当前采集的人脸图像，计算模版库中该用户的各模版相对于当前采集的该用户 的人脸图像的匹配度值;根据计算出的该用户的各模版的匹配度值和预设的删除策略，将 该用户的各模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版存 入模版库;这样，可以使更新后的模版库中包括最近一次采集的用户的人脸图像，从而可以 使模版库能够随着用户的外貌的细微变化得到不断地更新，这样，利用采用上述更新方法 进行更新的模版库进行人脸识别，与现有的仅通过初始保存的一张固定的模版进行识别相 比，可以提高人脸识别的准确度和效率。
【附图说明】
[0048] 图1-图4分别为本发明实施例提供的识别人脸图像的模版库的更新方法的流程图 之一；
[0049] 图5为本发明实施例提供的识别人脸图像的模版库的更新装置的结构示意图之 ，
[0050] 图6-图8分别为本发明实施例提供的识别人脸图像的模版库的更新方法的流程图 之二；
[0051] 图9为本发明实施例提供的识别人脸图像的模版库的更新装置的结构示意图之 --〇
【具体实施方式】
[0052]下面结合附图，对本发明实施例提供的识别人脸图像的模版库的更新装置及方法 的【具体实施方式】进行详细地说明。显然，所描述的实施例是本发明的一部分实施例，而不是 全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的 前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0053]本发明实施例提供的一种识别人脸图像的模版库的更新方法，如图1所示，包括： [0054] S101、根据当前采集的人脸图像，计算模版库中该用户的各模版相对于当前采集 的人脸图像的匹配度值；
[0055] S102、根据计算出的该用户的各模版的匹配度值和预设的删除策略，将该用户的 各模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版存入模版 库。
[0056]本发明实施例提供的上述更新方法，可以使更新后的模版库中包括最近一次采集 的用户的人脸图像，从而可以使模版库能够随着用户的外貌的细微变化得到不断地更新， 这样，利用采用上述更新方法进行更新的模版库进行人脸识别，与现有的仅通过初始保存 的一张固定的模版进行识别相比，可以提高人脸识别的准确度和效率。
[0057]需要说明的是，在本发明实施例提供的上述更新方法中，每个用户保存在模版库 中的模版的数量可以根据实际情况(例如系统资源)进行设定，在系统资源允许的情况下， 模版库中每个用户的模版的数量越多，人脸识别的准确度越高，但会导致人脸识别的耗时 越长，因此，综合考虑，可以将每个用户保存在模版库中的模版的数量控制在5-10张的范围 内，在此不做具体限定。
[0058] 在具体实施时，在本发明实施例提供的上述更新方法中，在最初始的状态下，每个 用户在模版库中只保存有一张模版，在后续的人脸识别过程中，每采集一张用户的人脸图 像，就将采集的该用户的人脸图像保存在模版库中作为该用户的模版，直至该用户在模版 库中保存的模版的数量达到预设的数量。
[0059] 在具体实施时，在本发明实施例提供的上述更新方法中，在采集用户的人脸图像 后，在识别当前采集的人脸图像为用户A时，仅对模版库中用户A的模版进行更新，不对模版 库中其他用户的模版做出改变;在当前采集的人脸图像没有任何匹配的用户时，不对模版 库中的各用户的模版做出改变。
[0060] 在具体实施时，在执行本发明实施例提供的上述更新方法中的步骤S102,根据计 算出的该用户的各模版的匹配度值和预设的删除策略，将该用户的各模版中满足删除策略 的模版删除，将当前采集的人脸图像作为该用户的模版存入模版库时，如图2所示，具体可 以包括如下步骤：
[0061] S201、在该用户的所有模版中选择匹配度值最低的模版从模版库中删除，将当前 采集的人脸图像作为该用户的模版存入模版库;这样，每采集一次用户的人脸图像，则对模 版库中该用户的模版进行一次更新，并且，使更新后的模版库中每个用户的模版包括与该 用户的当前外貌匹配度值最高的多张模版和最近一次采集的该用户的人脸图像，这样，利 用采用上述更新方法进行更新的模版库进行人脸识别，与现有的仅通过初始保存的一张固 定的模版进行识别相比，可以提高人脸识别的准确度和效率。
[0062]在具体实施时，在本发明实施例提供的上述更新方法中，并非局限于如图2所示的 在模版库中用户的模版的数量达到预设的数量之后，每次采集一次用户的人脸图像则更新 一次该用户的模版，还可以在模版库中用户的模版的数量达到预设的数量之后，在每次采 集用户的人脸图像之后暂时不对该用户的模版进行更新，而是在设备维护的时候再对所有 用户的模版同时进行更新，即在执行本发明实施例提供的上述人脸识别方法中的步骤 S102,根据计算出的该用户的各模版的匹配度值和预设的删除策略，将该用户的各模版中 满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版存入模版库时，如图3 所示，具体可以包括如下步骤：
[0063] S301、将该用户的所有模版按照匹配度值从大到小的顺序排列，保留前N个模版， 删除其他模版，将当前采集的人脸图像作为该用户的模版存入模版库;其中，N为正整数;具 体地，N比模版库中该用户保存的模板的数量小1，即保留的前N个模版和当前采集的人脸图 像即为模版库中该用户保存的模板;这样，通过在设备维护时完成对模版库的更新，使更新 后的模版库中每个用户的模版包括与该用户的当前外貌匹配度值最高的多张模版和最近 一次采集的该用户的人脸图像，这样，利用采用上述更新方法进行更新的模版库进行人脸 识别，与现有的仅通过初始保存的一张固定的模版进行识别相比，可以提高人脸识别的准 确度和效率。
[0064] 在具体实施时，在本发明实施例提供的上述更新方法中，在用户的外貌突然发生 大的变化时，例如，戴眼镜、刮胡子等，可能会出现用户的某张或某些模版在历史识别过程 中匹配度值极高而在最近一次识别过程中匹配度值极低，或者，用户的大部分模版在最近 一次识别过程中匹配度值极低的现象，这样，对模版库中该用户的模版进行更新可能会出 现在历史识别过程中匹配度值极高的部分或全部模版被删除的问题，从而可能会影响人脸 识别的准确度和效率。
[0065] 基于此，在执行本发明实施例提供的上述更新方法中的步骤S102,根据计算出的 该用户的各模版的匹配度值和预设的删除策略，将该用户的各模版中满足删除策略的模版 删除，将当前采集的人脸图像作为该用户的模版存入模版库时，如图4所示，具体可以包括 如下步骤：
[0066] S401、将计算出的该用户的所有模版的匹配度值与阈值进行比较；
[0067] 具体地，阈值的大小可以根据实际情况进行设定，在此不做限定；
[0068] S402、确定匹配度值小于阈值的模版的数量是否大于预设值;若是，则执行步骤 S403-步骤 S406;
[0069] 具体地，预设值的大小可以根据实际情况进行设定，在此不做限定;例如，可以在 用户的所有模版中有一半甚至一半以上的模版的匹配度值小于阈值时，执行步骤S403-步 骤S406;
[0070] S403、分别计算匹配度值小于阈值的模版的多个特征分量以及当前采集的人脸图 像的对应的特征分量；
[0071] 具体地，特征分量可以包括:嘴角点的距离、鼻尖位置、眼的宽度、鼻尖与双眼连线 的垂直距离、人脸左右边界的距离、嘴巴的宽度、两眼中心与左嘴角水平距离、两眼外侧的 水平距离、外侧眼角与鼻项的水平距离、嘴巴中点与鼻尖的垂直距离以及鼻尖与嘴角的距 离等;例如，可以计算匹配度值小于阈值的模版的嘴角点的距离、鼻尖位置和眼的宽度这三 个特征分量，并计算当前采集的人脸图像的嘴角点的距离、鼻尖位置和眼的宽度这三个特 征分量；
[0072] S404、分别计算匹配度值小于阈值的模版的各特征分量与当前采集的人脸图像的 对应的特征分量的差值；
[0073] 例如，可以计算匹配度值小于阈值的模版的嘴角点的距离与当前采集的人脸图像 的嘴角点的距离的差值，计算匹配度值小于阈值的模版的鼻尖位置与当前采集的人脸图像 的鼻尖位置的差值，计算匹配度值小于阈值的模版的眼的宽度与当前采集的人脸图像的眼 的宽度的差值；
[0074] S405、针对每个特征分量，将匹配度值小于阈值的模版按照该特征分量的差值从 大到小的顺序排列，在前M个模版中选择除了该特征分量外的其他特征分量的差值的平方 和最小的模版为特征模版;其中，M为大于1的正整数；
[0075]例如，针对嘴角点的距离这个特征分量，将匹配度值小于阈值的模版按照该特征 分量的差值从大到小的顺序排列，选择前M个模版，即这M个模版的嘴角点的距离这个特征 分量与当前采集的人脸图像的嘴角点的距离这个特征分量的差值较大，需要说明的是，M的 大小可以根据实际情况进行设定，在此不做限定;然后从这M个模版中选择除了嘴角点的距 离这个特征分量外的其他特征分量的差值的平方和最小的模版为特征模版，即特征模版的 欧式距离最小，欧式距离满足如下公式
：其中，de为欧式距离，Rb为模 版除了嘴角点的距离这个特征分量以外的其他特征分量中的第b个特征分量，"为当前采 集的人脸图像与模版的特征分量Rb对应的特征分量，m为大于1的整数；
[0076] S406、在匹配度值小于阈值的模版中除了特征模版以外的其他模版中选择匹配度 值最低的模版从模版库中删除，将当前采集的人脸图像作为该用户的模版存入模版库;这 样，可以在用户的某张或某些模版在历史识别过程中匹配度值极高而在最近一次识别过程 中匹配度值极低，或者，用户的大部分模版在最近一次识别过程中匹配度值极低时，采用定 位五官特征点综合识别人脸图像的方法对模版库中用户的模版进行二次判断，从而可以避 免在用户的外貌突然发生大的变化时，例如，戴眼镜、刮胡子等，对模版库中该用户的模版 进行更新可能会出现在历史识别过程中匹配度值极高的部分或全部模版被删除的问题，从 而可以进一步地降低对模版库中用户的模版进行更新的随机性和不确定性，进而可以进一 步地提高人脸识别的准确度和效率。
[0077] 基于同一发明构思，本发明实施例还提供了一种识别人脸图像的模版库的更新装 置，如图5所示，包括：
[0078] 计算模块501，用于根据当前采集的人脸图像，计算模版库中该用户的各模版相对 于当前采集的人脸图像的匹配度值；
[0079] 更新模块502,用于根据计算出的该用户的各模版的匹配度值和预设的删除策略， 将该用户的各模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版 存入模版库。
[0080] 在具体实施时，在本发明实施例提供的上述更新装置中，如图5所示，更新模块 502,具体用于在该用户的所有模版中选择匹配度值最低的模版从模版库中删除。
[0081] 在具体实施时，在本发明实施例提供的上述更新装置中，如图5所示，更新模块 502,具体用于将该用户的所有模版按照匹配度值从大到小的顺序排列，保留前N个模版，删 除其他模版;其中，N为正整数。
[0082] 在具体实施时，在本发明实施例提供的上述更新装置中，如图5所示，更新模块 502,具体用于将计算出的该用户的所有模版的匹配度值与阈值进行比较;确定匹配度值小 于阈值的模版的数量是否大于预设值;若是，分别计算匹配度值小于阈值的模版的多个特 征分量以及当前采集的人脸图像的对应的特征分量;分别计算匹配度值小于阈值的模版的 各特征分量与当前采集的人脸图像的对应的特征分量的差值;针对每个特征分量，将匹配 度值小于阈值的模版按照该特征分量的差值从大到小的顺序排列，在前M个模版中选择除 了该特征分量外的其他特征分量的差值的平方和最小的模版为特征模版;其中，M为大于1 的正整数;在匹配度值小于阈值的模版中除了特征模版以外的其他模版中选择匹配度值最 低的模版从模版库中删除。
[0083]需要说明的是，本发明实施例提供的上述更新装置的具体实施可以参见上述更新 方法的实施例，重复之处不再赘述。
[0084] 基于同一发明构思，本发明实施例还提供了一种识别人脸图像的模版库的更新方 法，如图6所示，包括：
[0085] S601、根据当前采集的人脸图像，计算模版库中该用户的各模版相对于当前采集 的人脸图像的匹配度值；
[0086] S602、对于计算次数达到第一预设值k的模版，根据最近k次计算出的该模版的匹 配度值，计算该模版的加权匹配度值;其中，k为大于1的正整数；
[0087] S603、根据计算次数小于第一预设值的模版相对于当前采集的人脸图像的匹配度 值、计算次数达到第一预设值的模版的加权匹配度值以及预设的删除策略，将该用户的各 模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版存入模版库。 [0088]本发明实施例提供的上述更新方法，可以使更新后的模版库中包括最近一次采集 的用户的人脸图像，从而可以使模版库能够随着用户的外貌的细微变化得到不断地更新， 这样，利用采用上述更新方法进行更新的模版库进行人脸识别，与现有的仅通过初始保存 的一张固定的模版进行识别相比，可以提高人脸识别的准确度和效率;并且，在对模版库中 每个用户的模版进行更新时，并非仅以最近一次采集的该用户的人脸图像作为标准计算该 用户的各模版的匹配度值，而是兼顾了最近k次采集的该用户的人脸图像的综合考量，从而 可以降低对该用户的模版进行更新的随机性和不确定性，进而可以进一步地提高人脸识别 的准确度和效率。
[0089]需要说明的是，在本发明实施例提供的上述更新方法中，每个用户保存在模版库 中的模版的数量可以根据实际情况(例如系统资源)进行设定，在系统资源允许的情况下， 模版库中每个用户的模版的数量越多，人脸识别的准确度越高，但会导致人脸识别的耗时 越长，因此，综合考虑，可以将每个用户保存在模版库中的模版的数量控制在5-10张的范围 内，在此不做具体限定。
[0090] 在具体实施时，在本发明实施例提供的上述更新方法中，在最初始的状态下，每个 用户在模版库中只保存有一张模版，在后续的人脸识别过程中，每采集一张用户的人脸图 像，就将采集的该用户的人脸图像保存在模版库中作为该用户的模版，直至该用户在模版 库中保存的模版的数量达到预设的数量。
[0091] 在具体实施时，在本发明实施例提供的上述更新方法中，在采集用户的人脸图像 后，在识别当前采集的人脸图像为用户A时，仅对模版库中用户A的模版进行更新，不对模版 库中其他用户的模版做出改变;在当前采集的人脸图像没有任何匹配的用户时，不对模版 库中的各用户的模版做出改变。
[0092] 在具体实施时，在执行本发明实施例提供的上述更新方法中的步骤S602，根据最 近k次计算出的该模版的匹配度值，计算该模版的加权匹配度值时，具体可以通过以下方式 来实现：
[0093] 根据下面的公式计算该模版的加权匹配度值：
[0094] F = a-\
[0095] 其中，V是该模版的加权匹配度值，Pa是第a次计算出的该模版的匹配度值，&是?3 对应的权重。具体地，以第一预设值k = 6为例，Pi是该用户的该模版第一次保存的匹配度 值，《1是?1对应的权重，P 2是该用户的该模版第二次保存的匹配度值，《2是?2对应的权重，以 此类推，P 6是该用户的该模版第六次即最近一次保存的匹配度值，W6是P6对应的权重，显然， 距离当前的时间越近，该用户的该模版保存的匹配度值所占的权重越大，即M<W2<W3<W4 <W5<W6，并且，Wl+W2+W3+W4+W5+W6= 1 〇
[0096] 在具体实施时，在执行本发明实施例提供的上述更新方法中的步骤S603,根据计 算次数小于第一预设值的模版相对于当前采集的人脸图像的匹配度值、计算次数达到第一 预设值的模版的加权匹配度值以及预设的删除策略，将该用户的各模版中满足删除策略的 模版删除，将当前采集的人脸图像作为该用户的模版存入模版库时，如图7所示，具体可以 包括如下步骤：
[0097] S701、将计算次数小于第一预设值的模版相对于当前采集的人脸图像的匹配度值 和计算次数达到第一预设值的模版的加权匹配度值进行比较，将数值最低的模版从模版库 中删除，将当前采集的人脸图像作为该用户的模版存入模版库;这样，每采集一次用户的人 脸图像，则对模版库中该用户的模版进行一次更新，并且，使更新后的模版库中每个用户的 模版包括与该用户的当前外貌匹配度值最高或加权匹配度值最高的多张模版和最近一次 采集的该用户的人脸图像，这样，利用采用上述更新方法进行更新的模版库进行人脸识别， 与现有的仅通过初始保存的一张固定的模版进行识别相比，可以提高人脸识别的准确度和 效率。
[0098] 在具体实施时，在本发明实施例提供的上述更新方法中，在用户的外貌突然发生 大的变化时，例如，戴眼镜、刮胡子等，可能会出现用户的某张或某些模版在历史识别过程 中匹配度值极高而在最近一次识别过程中匹配度值极低，或者，用户的大部分模版在最近 一次识别过程中匹配度值极低的现象，这样，对模版库中该用户的模版进行更新可能会出 现在历史识别过程中匹配度值极高的部分或全部模版被删除的问题，从而可能会影响人脸 识别的准确度和效率。
[0099]基于此，在执行本发明实施例提供的上述更新方法中的步骤S603,根据计算次数 小于第一预设值的模版相对于当前采集的人脸图像的匹配度值、计算次数达到第一预设值 的模版的加权匹配度值以及预设的删除策略，将该用户的各模版中满足删除策略的模版删 除，将当前采集的人脸图像作为该用户的模版存入模版库时，如图8所示，具体可以包括如 下步骤：
[0100] S801、将计算次数小于第一预设值的模版相对于当前采集的人脸图像的匹配度值 和计算次数达到第一预设值的模版的加权匹配度值分别与阈值进行比较；
[0101] 具体地，阈值的大小可以根据实际情况进行设定，在此不做限定；
[0102] S802、确定匹配度值小于阈值的模版的数量和加权匹配度值小于阈值的模版的数 量之和是否大于第二预设值;若是，则执行步骤S803-步骤S806;
[0103] 具体地，第二预设值的大小可以根据实际情况进行设定，在此不做限定;例如，可 以在匹配度值小于阈值的模版的数量和加权匹配度值小于阈值的模版的数量之和达到用 户的模版的数量的一半甚至一半以上时，执行步骤S803-步骤S806;
[0104] S803、分别计算匹配度值小于阈值的模版的多个特征分量、加权匹配度值小于阈 值的模版的对应的特征分量以及当前采集的人脸图像的对应的特征分量；
[0105] 具体地，特征分量可以包括:嘴角点的距离、鼻尖位置、眼的宽度、鼻尖与双眼连线 的垂直距离、人脸左右边界的距离、嘴巴的宽度、两眼中心与左嘴角水平距离、两眼外侧的 水平距离、外侧眼角与鼻项的水平距离、嘴巴中点与鼻尖的垂直距离以及鼻尖与嘴角的距 离等;例如，可以计算匹配度值小于阈值的模版的嘴角点的距离、鼻尖位置和眼的宽度这三 个特征分量，计算加权匹配度值小于阈值的模版的嘴角点的距离、鼻尖位置和眼的宽度这 三个特征分量，并计算当前采集的人脸图像的嘴角点的距离、鼻尖位置和眼的宽度这三个 特征分量；
[0106] S804、分别计算匹配度值小于阈值的模版的各特征分量与当前采集的人脸图像的 对应的特征分量的差值以及加权匹配度值小于阈值的模版的各特征分量与当前采集的人 脸图像的对应的特征分量的差值；
[0107] 例如，可以计算匹配度值小于阈值的模版的嘴角点的距离与当前采集的人脸图像 的嘴角点的距离的差值，计算匹配度值小于阈值的模版的鼻尖位置与当前采集的人脸图像 的鼻尖位置的差值，计算匹配度值小于阈值的模版的眼的宽度与当前采集的人脸图像的眼 的宽度的差值;计算加权匹配度值小于阈值的模版的嘴角点的距离与当前采集的人脸图像 的嘴角点的距离的差值，计算加权匹配度值小于阈值的模版的鼻尖位置与当前采集的人脸 图像的鼻尖位置的差值，计算加权匹配度值小于阈值的模版的眼的宽度与当前采集的人脸 图像的眼的宽度的差值；
[0108] S805、针对每个特征分量，将匹配度值小于阈值的模版和加权匹配度值小于阈值 的模版按照该特征分量的差值从大到小的顺序排列，在前Q个模版中选择除了该特征分量 外的其他特征分量的差值的平方和最小的模版为特征模版;其中，Q为大于1的正整数；
[0109] 例如，针对嘴角点的距离这个特征分量，将匹配度值小于阈值的模版和加权匹配 度值小于阈值的模版按照该特征分量的差值从大到小的顺序排列，选择前Q个模版，即这Q 个模版的嘴角点的距离这个特征分量与当前采集的人脸图像的嘴角点的距离这个特征分 量的差值较大，需要说明的是，Q的大小可以根据实际情况进行设定，在此不做限定;然后从 这Q个模版中选择除了嘴角点的距离这个特征分量外的其他特征分量的差值的平方和最小 的模版为特征模版，即特征模版的欧式距离最小，欧式距离满足如下公式：
其中，de为欧式距离，Rb为模版除了嘴角点的距离这个特征分量以外 的其他特征分量中的第b个特征分量，Xb为当前采集的人脸图像与模版的特征分量Rb对应的 特征分量，m为大于1的整数；
[0110] S806、在匹配度值小于阈值的模版和加权匹配度值小于阈值的模版中除了特征模 版以外的其他模版中选择数值最低的模版从模版库中删除，将当前采集的人脸图像作为该 用户的模版存入模版库;这样，可以在用户的某张或某些模版在历史识别过程中匹配度值 极高而在最近一次识别过程中匹配度值极低，或者，用户的大部分模版在最近一次识别过 程中匹配度值极低时，采用定位五官特征点综合识别人脸图像的方法对模版库中用户的模 版进行二次判断，从而可以避免在用户的外貌突然发生大的变化时，例如，戴眼镜、刮胡子 等，对模版库中该用户的模版进行更新可能会出现在历史识别过程中匹配度值极高的部分 或全部模版被删除的问题，从而可以进一步地降低对模版库中用户的模版进行更新的随机 性和不确定性，进而可以进一步地提高人脸识别的准确度和效率。
[0111] 基于同一发明构思，本发明实施例还提供了一种识别人脸图像的模版库的更新装 置，如图9所示，包括：
[0112] 第一计算模块901，用于根据当前采集的人脸图像，计算模版库中该用户的各模版 相对于当前采集的人脸图像的匹配度值；
[0113] 第二计算模块902,用于对于计算次数达到第一预设值k的模版，根据最近k次计算 出的该模版的匹配度值，计算该模版的加权匹配度值;其中，k为大于1的正整数；
[0114] 更新模块903,用于根据计算次数小于第一预设值的模版相对于当前采集的人脸 图像的匹配度值、计算次数达到第一预设值的模版的加权匹配度值以及预设的删除策略， 将该用户的各模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版 存入模版库。
[0115] 在具体实施时，在本发明实施例提供的上述更新装置中，如图9所示，第二计算模 块902,具体用于根据下面的公式计算该模版的加权匹配度值： k
[0116] V =
[0117]其中，V是该模版的加权匹配度值，Pa是第a次计算出的该模版的匹配度值，心是卩3 对应的权重。
[0118] 在具体实施时，在本发明实施例提供的上述更新装置中，如图9所示，更新模块 903,具体用于将计算次数小于第一预设值的模版相对于当前采集的人脸图像的匹配度值 和计算次数达到第一预设值的模版的加权匹配度值进行比较，将数值最低的模版从模版库 中删除。
[0119] 在具体实施时，在本发明实施例提供的上述更新装置中，如图9所示，更新模块 903,具体用于将计算次数小于第一预设值的模版相对于当前采集的人脸图像的匹配度值 和计算次数达到第一预设值的模版的加权匹配度值分别与阈值进行比较;确定匹配度值小 于阈值的模版的数量和加权匹配度值小于阈值的模版的数量之和是否大于第二预设值;若 是，分别计算匹配度值小于阈值的模版的多个特征分量、加权匹配度值小于阈值的模版的 对应的特征分量以及当前采集的人脸图像的对应的特征分量;分别计算匹配度值小于阈值 的模版的各特征分量与当前采集的人脸图像的对应的特征分量的差值以及加权匹配度值 小于阈值的模版的各特征分量与当前采集的人脸图像的对应的特征分量的差值;针对每个 特征分量，将匹配度值小于阈值的模版和加权匹配度值小于阈值的模版按照该特征分量的 差值从大到小的顺序排列，在前Q个模版中选择除了该特征分量外的其他特征分量的差值 的平方和最小的模版为特征模版;其中，Q为大于1的正整数;在匹配度值小于阈值的模版和 加权匹配度值小于阈值的模版中除了特征模版以外的其他模版中选择数值最低的模版从 模版库中删除。
[0120]需要说明的是，本发明实施例提供的上述更新装置的具体实施可以参见上述更新 方法的实施例，重复之处不再赘述。
[0121] 本发明实施例提供的一种识别人脸图像的模版库的更新装置及方法，该更新方法 包括:根据当前采集的人脸图像，计算模版库中该用户的各模版相对于当前采集的该用户 的人脸图像的匹配度值;根据计算出的该用户的各模版的匹配度值和预设的删除策略，将 该用户的各模版中满足删除策略的模版删除，将当前采集的人脸图像作为该用户的模版存 入模版库;这样，可以使更新后的模版库中包括最近一次采集的用户的人脸图像，从而可以 使模版库能够随着用户的外貌的细微变化得到不断地更新，这样，利用采用上述更新方法 进行更新的模版库进行人脸识别，与现有的仅通过初始保存的一张固定的模版进行识别相 比，可以提高人脸识别的准确度和效率。
[0122] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精 神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围 之内，则本发明也意图包含这些改动和变型在内。
【主权项】
1. 一种识别人脸图像的模版库的更新方法，其特征在于，包括： 根据当前采集的人脸图像，计算所述模版库中该用户的各模版相对于所述当前采集的 人脸图像的匹配度值； 根据计算出的该用户的各模版的所述匹配度值和预设的删除策略，将该用户的各模版 中满足所述删除策略的模版删除，将所述当前采集的人脸图像作为该用户的模版存入所述 模版库。2. 如权利要求1所述的更新方法，其特征在于，所述根据计算出的该用户的各模版的所 述匹配度值和预设的删除策略，将该用户的各模版中满足所述删除策略的模版删除，具体 包括： 在该用户的所有模版中选择所述匹配度值最低的模版从所述模版库中删除。3. 如权利要求1所述的更新方法，其特征在于，所述根据计算出的该用户的各模版的所 述匹配度值和预设的删除策略，将该用户的各模版中满足所述删除策略的模版删除，具体 包括： 将该用户的所有模版按照所述匹配度值从大到小的顺序排列，保留前N个模版，删除其 他模版;其中，N为正整数。4. 如权利要求1所述的更新方法，其特征在于，所述根据计算出的该用户的各模版的所 述匹配度值和预设的删除策略，将该用户的各模版中满足所述删除策略的模版删除，具体 包括： 将计算出的该用户的所有模版的所述匹配度值与阔值进行比较； 确定所述匹配度值小于所述阔值的模版的数量是否大于预设值； 若是，分别计算所述匹配度值小于所述阔值的模版的多个特征分量W及所述当前采集 的人脸图像的对应的特征分量;分别计算所述匹配度值小于所述阔值的模版的各所述特征 分量与所述当前采集的人脸图像的对应的特征分量的差值;针对每个所述特征分量，将所 述匹配度值小于所述阔值的模版按照该特征分量的差值从大到小的顺序排列，在前M个模 版中选择除了该特征分量外的其他特征分量的差值的平方和最小的模版为特征模版；其 中，M为大于1的正整数;在所述匹配度值小于所述阔值的模版中除了所述特征模版W外的 其他模版中选择所述匹配度值最低的模版从所述模版库中删除。5. -种识别人脸图像的模版库的更新方法，其特征在于，包括： 根据当前采集的人脸图像，计算所述模版库中该用户的各模版相对于所述当前采集的 人脸图像的匹配度值； 对于计算次数达到第一预设值k的模版，根据最近k次计算出的该模版的所述匹配度 值，计算该模版的加权匹配度值;其中，k为大于1的正整数； 根据计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹 配度值、计算次数达到所述第一预设值的模版的所述加权匹配度值W及预设的删除策略， 将该用户的各模版中满足所述删除策略的模版删除，将所述当前采集的人脸图像作为该用 户的模版存入所述模版库。6. 如权利要求5所述的更新方法，其特征在于，所述根据最近k次计算出的该模版的所 述匹配度值，计算该模版的加权匹配度值，具体包括： 根据下面的公式计算该模版的加权匹配度值：其中，V是该模版的加权匹配度值，Pa是第a次计算出的该模版的匹配度值，Wa是Pa对应 的权重。7. 如权利要求5或6所述的更新方法，其特征在于，所述根据计算次数小于所述第一预 设值的模版相对于所述当前采集的人脸图像的所述匹配度值、计算次数达到所述第一预设 值的模版的所述加权匹配度值W及预设的删除策略，将该用户的各模版中满足所述删除策 略的模版删除，具体包括： 将计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹配 度值和计算次数达到所述第一预设值的模版的所述加权匹配度值进行比较，将数值最低的 模版从所述模版库中删除。8. 如权利要求5或6所述的更新方法，其特征在于，所述根据计算次数小于所述第一预 设值的模版相对于所述当前采集的人脸图像的所述匹配度值、计算次数达到所述第一预设 值的模版的所述加权匹配度值W及预设的删除策略，将该用户的各模版中满足所述删除策 略的模版删除，具体包括： 将计算次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹配 度值和计算次数达到所述第一预设值的模版的所述加权匹配度值分别与阔值进行比较； 确定所述匹配度值小于所述阔值的模版的数量和所述加权匹配度值小于所述阔值的 模版的数量之和是否大于第二预设值； 若是，分别计算所述匹配度值小于所述阔值的模版的多个特征分量、所述加权匹配度 值小于所述阔值的模版的对应的特征分量W及所述当前采集的人脸图像的对应的特征分 量;分别计算所述匹配度值小于所述阔值的模版的各所述特征分量与所述当前采集的人脸 图像的对应的特征分量的差值W及所述加权匹配度值小于所述阔值的模版的各所述特征 分量与所述当前采集的人脸图像的对应的特征分量的差值;针对每个所述特征分量，将所 述匹配度值小于所述阔值的模版和所述加权匹配度值小于所述阔值的模版按照该特征分 量的差值从大到小的顺序排列，在前Q个模版中选择除了该特征分量外的其他特征分量的 差值的平方和最小的模版为特征模版;其中，Q为大于1的正整数;在所述匹配度值小于所述 阔值的模版和所述加权匹配度值小于所述阔值的模版中除了所述特征模版W外的其他模 版中选择数值最低的模版从所述模版库中删除。9. 一种识别人脸图像的模版库的更新装置，其特征在于，包括： 计算模块，用于根据当前采集的人脸图像，计算模版库中该用户的各模版相对于所述 当前采集的人脸图像的匹配度值； 更新模块，用于根据计算出的该用户的各模版的所述匹配度值和预设的删除策略，将 该用户的各模版中满足所述删除策略的模版删除，将所述当前采集的人脸图像作为该用户 的模版存入所述模版库。10. 如权利要求9所述的更新装置，其特征在于，所述更新模块，具体用于在该用户的所 有模版中选择所述匹配度值最低的模版从所述模版库中删除。11. 如权利要求9所述的更新装置，其特征在于，所述更新模块，具体用于将该用户的所 有模版按照所述匹配度值从大到小的顺序排列，保留前N个模版，删除其他模版;其中，N为 正整数。12. 如权利要求9所述的更新装置，其特征在于，所述更新模块，具体用于将计算出的该 用户的所有模版的所述匹配度值与阔值进行比较;确定所述匹配度值小于所述阔值的模版 的数量是否大于预设值;若是，分别计算所述匹配度值小于所述阔值的模版的多个特征分 量W及所述当前采集的人脸图像的对应的特征分量;分别计算所述匹配度值小于所述阔值 的模版的各所述特征分量与所述当前采集的人脸图像的对应的特征分量的差值;针对每个 所述特征分量，将所述匹配度值小于所述阔值的模版按照该特征分量的差值从大到小的顺 序排列，在前M个模版中选择除了该特征分量外的其他特征分量的差值的平方和最小的模 版为特征模版;其中，M为大于1的正整数;在所述匹配度值小于所述阔值的模版中除了所述 特征模版W外的其他模版中选择所述匹配度值最低的模版从所述模版库中删除。13. -种识别人脸图像的模版库的更新装置，其特征在于，包括： 第一计算模块，用于根据当前采集的人脸图像，计算所述模版库中该用户的各模版相 对于所述当前采集的人脸图像的匹配度值； 第二计算模块，用于对于计算次数达到第一预设值k的模版，根据最近k次计算出的该 模版的所述匹配度值，计算该模版的加权匹配度值;其中，k为大于1的正整数； 更新模块，用于根据计算次数小于所述第一预设值的模版相对于所述当前采集的人脸 图像的所述匹配度值、计算次数达到所述第一预设值的模版的所述加权匹配度值W及预设 的删除策略，将该用户的各模版中满足所述删除策略的模版删除，将所述当前采集的人脸 图像作为该用户的模版存入所述模版库。14. 如权利要求13所述的更新装置，其特征在于，所述第二计算模块，具体用于根据下 面的公式计算该模版的加权匹配度值： 其中，V是该模版的加权匹配度入H #出的该模版的匹配度值，Wa是Pa对应 的权重。15. 如权利要求13或14所述的更新装置，其特征在于，所述更新模块，具体用于将计算 次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹配度值和计算 次数达到所述第一预设值的模版的所述加权匹配度值进行比较，将数值最低的模版从所述 模版库中删除。16. 如权利要求13或14所述的更新装置，其特征在于，所述更新模块，具体用于将计算 次数小于所述第一预设值的模版相对于所述当前采集的人脸图像的所述匹配度值和计算 次数达到所述第一预设值的模版的所述加权匹配度值分别与阔值进行比较;确定所述匹配 度值小于所述阔值的模版的数量和所述加权匹配度值小于所述阔值的模版的数量之和是 否大于第二预设值;若是，分别计算所述匹配度值小于所述阔值的模版的多个特征分量、所 述加权匹配度值小于所述阔值的模版的对应的特征分量W及所述当前采集的人脸图像的 对应的特征分量;分别计算所述匹配度值小于所述阔值的模版的各所述特征分量与所述当 前采集的人脸图像的对应的特征分量的差值W及所述加权匹配度值小于所述阔值的模版 的各所述特征分量与所述当前采集的人脸图像的对应的特征分量的差值;针对每个所述特 征分量，将所述匹配度值小于所述阔值的模版和所述加权匹配度值小于所述阔值的模版按 照该特征分量的差值从大到小的顺序排列，在前Q个模版中选择除了该特征分量外的其他 特征分量的差值的平方和最小的模版为特征模版;其中，Q为大于1的正整数;在所述匹配度 值小于所述阔值的模版和所述加权匹配度值小于所述阔值的模版中除了所述特征模版W 外的其他模版中选择数值最低的模版从所述模版库中删除。
【文档编号】G06K9/00GK105913051SQ201610363373
【公开日】2016年8月31日
【申请日】2016年5月26日
【发明人】赵骥伯, 唐小军
【申请人】京东方科技集团股份有限公司